WooCommerce : boostez vos ventes avec des analyses avancées

Les recommandations de produits sont un moyen efficace et éprouvé d'augmenter vos ventes WooCommerce.

L'inconvénient est que le regroupement manuel des produits peut être une activité très chronophage, ainsi que le fait que ce n'est pas toujours le « jumelage » logique qui générera le plus de ventes.

La voie à suivre consiste à utiliser l'IA (intelligence artificielle) et à laisser les modèles de données analytiques faire le travail à votre place.

Découvrez Engage , un moteur de recommandation de produits alimenté par l'IA. Le type de recommandation varie un peu en fonction de la page que votre visiteur consulte. Cela est principalement dû au fait que le modèle de recommandation a besoin d'entrées pour fonctionner correctement (par exemple, la première fois qu'un nouveau visiteur arrive sur votre page d'accueil, le modèle ne sait rien de son comportement et ne peut donc pas fournir de recommandations.

Mais au fur et à mesure que l'utilisateur interagit avec le site Web, le modèle détecte les modèles de comportement et est alors en mesure de fournir de meilleures recommandations.

Comment fonctionne l'engagement

Ce qui suit illustre comment les informations sont ajoutées à un utilisateur afin de fournir des recommandations pertinentes à chaque étape du parcours.

La première visite sur le site Web ne permet que l'utilisation de variables de haut niveau telles que l'heure de la visite ou la région géographique, etc. Ces indicateurs sont généralement considérés comme faibles et ne fournissent généralement pas suffisamment d'informations pour recommander des produits pertinents à un utilisateur individuel. Ils peuvent cependant toujours surpasser les options de ne recommander aucun produit.

Lorsque l'utilisateur commence à interagir avec le site Web, comme parcourir des produits ou ajouter des produits au panier, le modèle ingère des informations qui peuvent être utilisées pour comparer ce modèle de visiteurs aux visiteurs précédents et ainsi extraire les produits susceptibles d'intéresser l'utilisateur en fonction de ce modèle.

Une fois que l'utilisateur atteint la page de paiement, le modèle dispose d'un assez bon ensemble d'informations sur l'utilisateur qui sont utilisées pour recommander des mises à niveau ou des produits supplémentaires.

Étant donné que le paiement nécessite souvent une sorte d'identification de l'utilisateur, les achats historiques des visiteurs peuvent également être utilisés ici si des achats ont été effectués avant celui-ci.

Une fois la commande terminée, l'utilisateur peut être re-ciblé avec des recommandations de produits par e-mail ou des publicités basées sur des segments de clientèle spécifiques.

Conception de sortie de recommandation de produit

Cette fonctionnalité donne aux administrateurs de magasin la possibilité de concevoir leur propre sortie pour la recommandation de produits afin qu'elle s'aligne sur le thème WooCommerce.

Le moteur est conçu dans la perspective que l'administrateur ne devrait avoir besoin d'aucune connaissance / expérience en conception Web, ce qui signifie qu'il offre une fonctionnalité «glisser-déposer» avec un déploiement en un clic sur WooCommerce.

L'outil guidera l'administrateur à travers un flux de travail en 5 étapes :

1. Sélectionnez un modèle
2. Sélectionnez les conceptions précédemment enregistrées
3. Concevoir la sortie avec la fonctionnalité "glisser-déposer"
4. Définissez les options d'affichage, par exemple le nombre de produits à recommander et ses produits de "remplissage" (produits à afficher si aucune recommandation n'est disponible)
5. Sélectionnez l'en-tête et déployez sur WooCommerce

Pourquoi les moteurs de recommandation fonctionnent-ils si bien ?

Il existe plusieurs raisons pour lesquelles les moteurs de recommandation sont généralement plus performants que les sélections manuelles de recommandations à grande échelle.

Le premier est simplement l'échelle et la vitesse avec lesquelles un moteur de recommandation peut produire des recommandations pertinentes pour tous les produits en magasin, pas seulement quelques-uns. Et il peut le maintenir en temps réel en le mettant à jour au fur et à mesure que les tendances changent ou que les saisons changent.

Deuxièmement, le modèle introduit moins de biais sur ce qui devrait être recommandé ou sur ce qui « va » bien ensemble. Le modèle examine simplement ce qui a été vendu ensemble et les modèles et comportements susceptibles d'être vendus ensemble la prochaine fois.

De plus, le modèle peut apprendre de leurs recommandations précédentes et ajuster la recommandation suivante pour un produit particulier en fonction du résultat historique. Tout cela se produit automatiquement chaque fois que le modèle est recyclé.

Segmentation de la clientèle basée sur les données par Engage

Engage automatise et simplifie également le processus de création et d'exploration des segments de clientèle.

L'administrateur du magasin peut soit définir ses propres segments à explorer, soit utiliser l'un des modèles prédéfinis. Les segments sont basés sur diverses caractéristiques des clients, telles que les clients fidèles ou les clients les plus dépensiers. À partir de maintenant, les segments prédéfinis suivants sont disponibles dans engage pour vous aider à démarrer :

• Clients les plus dépensiers – Segment à utiliser pour identifier vos clients les plus précieux et leur comportement au cours de différentes périodes.
• Clients les plus fréquents – Segment à utiliser pour identifier vos clients les plus actifs et leur comportement au cours de différentes périodes.
• Clients fidèles – Segmentez pour trouver vos clients les plus fidèles et leur comportement au cours de différentes périodes.
• Clients ponctuels – Segment à utiliser pour identifier qui sont vos clients déloyaux et leur comportement au cours de différentes périodes.
• Clients les plus récents - Segment à utiliser pour étudier la différence de nombre de clients, la valeur des ventes, les produits les plus vendus, etc. au cours de différentes périodes.

Chaque segment a son propre tableau de bord où les données de ventes et de performances peuvent être analysées en détail au fil du temps.

Étant donné que ces segments sont destinés à être utilisés pour différentes activités de marketing, la fonctionnalité d'exportation permet au propriétaire du magasin d'exporter facilement l'audience sélectionnée vers, par exemple, des audiences personnalisées Facebook et Google.

Outre les segments prédéfinis, Engage offre à chaque propriétaire de magasin une boîte à outils facile à utiliser pour générer et enregistrer ses propres "segments personnalisés".

Chaque segment créé aura son propre tableau de bord et les données peuvent être mises à jour à la demande de l'utilisateur ou simplement servir d'instantané au moment de la création.

Emballer

Engage est une puissante extension WooCommerce en matière d'analyse avancée. Il donne aux propriétaires de magasins la possibilité d'augmenter leurs revenus, d'analyser et de comprendre leurs clients et de réduire le temps consacré auparavant à l'analyse et au regroupement manuel des produits.

Il est actuellement disponible en version bêta et gratuitement . Commencez dès aujourd'hui et exploitez tout le potentiel de votre boutique WooCommerce.

Feuille de route

Le travail sur Engage vient de commencer et nous avons une feuille de route détaillée avec de nouvelles fonctionnalités à ajouter qui amélioreront encore l'expérience client et augmenteront vos revenus.

Le thème principal continuera bien sûr d'être autour des données et de la meilleure façon d'utiliser le capital d'informations que chaque magasin possède. Voici quelques exemples de fonctionnalités dans les dernières étapes de développement :

• Intégration avec Facebook et Instagram, qui donnera au propriétaire du magasin la possibilité de publier des segments de clientèle en tant qu'audiences pour le marketing
• Rapports d'analyse avancés concernant la valeur à vie du client (CLV)
• Des statistiques plus granulaires autour des recommandations de produits

Restez à l'écoute pour les futures mises à jour concernant Engage sur zubi.ai